[發明專利]一種人臉屬性不變魯棒性人臉識別方法及系統

有效

• 申請號: 202010586404.9
• 申請日: 2020-06-24
• 公開（公告）號: CN111767825B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 廖海斌
• 申請（專利權）人: 湖北科技學院
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/764;G06V10/74;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 謝秀娟

本發明公開一種人臉屬性不變魯棒性人臉識別方法及系統，包括如下步驟：S1、提取人臉特征；S2、估計人臉屬性；S3、構建并選擇人臉屬性子字典；S4、屬性不變人臉特征提??；S5、人臉分類識別；系統中人臉深度特征提取模塊分別與人臉屬性識別模塊、人臉屬性字典構建模塊相連，人臉屬性識別模塊依次連接人臉屬性子字典選擇模塊、人臉屬性不變特征提取模塊、人臉分類識別模塊，人臉屬性子字典選擇模塊通過屬性超完備字典與人臉屬性子字典選擇模塊連接。本發明能夠解決人臉的光照、姿態、表情、遮擋和分辨率同時變化及其組合變化等復雜環境下的人臉識別，并且保持人臉屬性不變，魯棒性高。

技術領域

本發明涉及圖像處理與模式識別領域，特別是涉及一種人臉屬性不變魯棒性人臉識別方法及系統。

背景技術

人臉身份識別技術經過大半個世紀發展，已經取得了實質性進展，在可控環境下已經達到應用水平。但在實際應用中，特別是極其復雜環境下，發現它仍不夠完善，容易受人臉光照、姿態、表情、遮擋、年齡和整形等綜合因素干擾。如，在新型冠狀病毒疫情防控期間，為了采用智能防控手段，在進行體溫遠程篩查時可以利用人臉檢測和人臉識別技術排除干擾，讓系統只檢測人臉額頭部分和做身份識別，以提高測溫的準確性。但是，由于此次疫情期間出門需要帶口罩，對人臉檢測和識別提出了更高要求。另外，利用復雜場景下的人臉識別技術和搜索技術進行確診和疑似人員身份識別和跟蹤，對重大疫情智能防控可起到關鍵作用。比如對武漢華南海鮮市場監控視頻和周邊視頻進行人臉分析，利用人臉屬性分析結果快速確定出入華南海鮮市場人員身份，以便進行疑似病例組織關系的分析、管控和跟蹤，并進行人員屬性關聯大數據分析。由于上述人臉識別應用中，面臨著巨大的人臉光照、姿態、遮擋、低分辨率等各種復雜變化，使得目前大部分人臉技術無法使用。

針對人臉光照、姿態、表情和分辨率等變化問題，目前出現大量的解決方案和方法。但目前方法往往只是針對某一類問題進行研究，提出的方法也只能解決其中某一個問題。如，有些方法能解決人臉光照變化問題，而有些方法能解決人臉姿態變化問題，而另一些方法能解決人臉表情變化問題。這些方法面對人臉同時具有光照、姿態、表情和分辨率變化時，卻無能為力。即目前沒有一種方法能同時解決人臉的光照、姿態、表情和分辨率變化及其組合變化問題。

發明內容

本發明的目的是提供一種人臉屬性不變魯棒性人臉識別方法及系統，以解決上述現有技術存在的問題，能夠解決人臉的光照、姿態、表情、遮擋和分辨率同時變化及其組合變化等復雜環境下的人臉識別，并且保持人臉屬性不變，魯棒性高。

為實現上述目的，本發明提供了如下方案：本發明提供一種人臉屬性不變魯棒性人臉識別方法，包括如下步驟：

S1、提取人臉特征：將采集的人臉圖像利用卷積神經網絡CNN進行表示學習，提取人臉高層語義特征；

S2、估計人臉屬性：人臉屬性包括若干類別，通過對若干種類別進行組合，得到人臉屬性集；基于人臉高層語義特征，利用隨機森林分類方法進行人臉屬性識別，得到人臉屬性估計結果；所述人臉屬性類別包括分辨率、姿態、光照、表情、遮擋；

S3、構建并選擇人臉屬性子字典：收集多屬性人臉圖像作為人臉訓練集，根據屬性類別數對所述訓練集進行分類，對每類訓練集采用深度字典學習模型單獨訓練優化得到子字典，然后將各類子字典利用協同學習進行微調和優化，并融合組成人臉屬性字典；根據步驟S2得到的人臉屬性選擇對應的子字典，作為屬性不變人臉特征提取的稀疏表示基空間；

S4、屬性不變人臉特征提?。豪貌襟ES1得到的人臉特征和步驟S3得到的子字典,利用深度稀疏表示模型進行屬性不變人臉特征提??；

S5、人臉分類識別：對步驟S4得到的屬性不變人臉特征進行分類識別。

優選的，所述CNN采用GoogleNet、RestNet50、DarkNet或EfficientNet網絡模型,并使用遷移學習策略將網絡模型在公開人臉數據庫LFW和YTF上進行預訓練。